技术架构数据底座 · 选材 · 风险预审 · 失效诊断 · DFM/DFP
研发全流程 AI 协同平台 · 技术架构

技术架构

面向注塑零件研发全流程的智能协同平台:以八类知识库为数据底座,通过选材助手、风险预审与 DFM/DFP 助手、失效诊断助手三类智能助手, 贯通选材、设计评审、试模与量产环节,并将过程数据持续回流至知识库。

8
知识库 · 数据底座
3
智能助手 · 选 / 审 / 判
5
层推理 · 选材主流程
2
类规则检查 · DFM / DFP
1
条数据闭环 · 预判 → 诊断 → 沉淀
SECTION 00

总览

一个数据底座 · 三类智能助手 · 一条数据闭环

平台由一个数据底座三类智能助手构成,围绕零件从选材、设计评审、试模到量产的全过程,形成「事前风险预判 → 事中快速诊断 → 事后知识沉淀」的闭环。

数据底座
八类知识库
材料 · 产品 · 模具设备 · 工艺 · 规范图纸 · 尺寸CPK · 测试 · 失效案例
选材助手
需求解析 → 牌号匹配 → 改性推理 → 评分迭代
风险预审 · DFM/DFP
材料风险 + 零件可制造性 + 产线量产可行性
失效诊断
根因排序 → 改进方案 → 案例回写
诊断结论与试模、测试、量产数据自动回流至知识库,持续增强推理能力

选材助手

  • 输入:产品与工况的自然语言描述,或结构化指标
  • 过程:产品基因定位 → 需求补全 → 全球物性库匹配 → 改性方向推理 → 多维评分迭代
  • 输出:推荐材料 / 牌号 / 改性方案,附风险报告与多方案对比

风险预审 · DFM/DFP

  • 风险预审贯穿各阶段,作为评分维度与输出内容存在,而非独立步骤
  • DFM 审查零件可制造性(壁厚、拔模、倒扣、公差等)
  • DFP 审查产线量产可行性(抓取、出料、节拍、包装、换型)
  • 风险评分过低时触发回溯:调整材料、修改结构或更换工艺方案

失效诊断

  • 输入:试模或量产中的缺陷描述,可附照片与测试数据
  • 过程:加载项目上下文 → 追问关键条件 → 因果图谱 + 历史案例 + 规则推理 → 根因排序
  • 输出:按置信度排序的根因、改进方案与验证计划;结案后自动写入案例库
设计原则
平台的推理能力来源于企业自有数据的持续积累:选材阶段的风险预判在失效发生时可被直接调用,失效诊断的结论又反哺选材与工艺推荐。知识库不是一次性建成的静态资产,而是随项目运行不断增值的过程资产。
SECTION 01

数据底座:八类知识库

静态主数据 + 动态明细数据,为 CPK 计算、相关性分析与根因追溯提供结构化基础

八类知识库覆盖材料、产品、模具设备、工艺、设计规范、尺寸测量、测试报告与失效经验。基础数据(材料、模具)作为静态主数据维护,业务数据(尺寸、试模、失效案例)作为动态明细数据积累,便于 AI 进行 CPK 计算、相关性分析与根因追溯。

静态主数据

01 材料库与改性库

基础树脂与改性配方分离存储,支持「在某基材上添加 X% 玻纤后的性能偏移」类查询;含改性规则、历史改性案例与工艺约束。
静态主数据

02 产品库

每个量产零件记录当前使用的最终材料牌号(含改性)与使用工况,用于追溯与相似零件检索。
静态主数据

03 模具与设备库

模具参数、适配机台、各注塑厂设备能力(含历史最佳 CPK 基线),支撑 DFP 节拍与 CPK 计算。
响应矩阵

04 工艺库

每种材料在不同料温、模温下的流动性、收缩率、翘曲表现,构成多维工艺窗口,据此推荐最优参数。
规则 + 元数据

05 设计规范与图纸库

设计指南规则(如不同材料的拔模角、筋厚建议)与历史图纸元数据,支撑 DFM/DFP 自动审查。
动态明细

06 尺寸库与 CPK 分析

试模与量产的全尺寸测量数据,自动计算 CPK 并按绿 / 黄 / 红判定公差合理性。
动态明细

07 测试库

材料厂商提供或委外测试的物性、阻燃、电性能数据,支撑选材时的性能缺口对比。
动态明细

08 经验与失败案例库

试模、量产、测试失败的详细根因与改善对策,以及材料 / 工艺偏离数据——AI 根因分析的核心依据。

表结构明细按库展开

库 01 · 材料库与改性库 — 5 张表

设计思路:基础材料(Base Resin)与改性配方(Additives)分离,支持 AI 查询「在 PC/ABS 基础上添加 X% 玻纤后的性能偏移」。

base_materials表 1.1 · 基础树脂表
字段类型说明示例
material_idVARCHAR(20)主键MAT-PC-001
material_nameVARCHAR(50)基础树脂名称PC/ABS 合金
supplierVARCHAR(50)基础供应商科思创 (Covestro)
base_polymerVARCHAR(20)高分子类型PC+ABS
densityDECIMAL(5,2)密度 (g/cm³)1.18
melt_flow_indexDECIMAL(5,2)熔融指数 (g/10min)18
modification_recipes表 1.2 · 改性配方表(定位改性方向的关键)
字段类型说明示例
recipe_idVARCHAR(20)主键REC-2025-001
base_material_idVARCHAR(20)外键 → 基础树脂MAT-PC-001
additive_typeVARCHAR(30)助剂类型(增韧 / 阻燃 / 耐候)有机硅增韧剂
additive_ratioDECIMAL(5,2)添加比例 (%)3.5
filler_typeVARCHAR(30)填充物(玻纤 / 矿物)短切玻纤
filler_ratioDECIMAL(5,2)填充比例 (%)10
modified_property_deltaJSONB性能偏移值{"impact_strength": "+15%", "flexural_modulus": "+20%"}
process_impactTEXT对工艺的副作用流动性下降 12%,建议提高模温 5℃

1.3 改性规则库(Modification Rule Base)

每类改性手段抽象为对性能的影响函数

改性手段影响函数(简化示例)适用基材约束
玻纤增强(GF)模量 +150~200 MPa / 每 1% GF;冲击 −1~2 kJ/m² / 每 1% GFPC、PA、PPS、PPA、PBT 等玻纤含量 >40% 加工困难
矿物填充(滑石 / 云母)HDT +0.5~1℃ / 每 1% 矿物;冲击 −0.5~1PC、PP、PA 等密度增加
增韧剂(POE-g-MAH / 核壳)冲击 +2~4 kJ/m² / 每 1% 增韧剂;模量 −50~100 MPa / 每 1%大多数工程塑料可能降低耐化学性与耐热性
无卤阻燃剂(磷氮系)不影响 CTI,可能降低 HDTPC、PA、PPO需分散均匀
合金化(PC/PBT、PA/PPO)平衡韧性 / 耐化学性 / 尺寸稳定性特定组合相容性问题

1.4 历史改性案例库

每个案例记录基材、改性配方、目标需求、最终性能、成败与工艺条件,用于相似度检索与方案验证。

1.5 改性工艺约束库

  • 模具钢材耐磨等级 → 限制玻纤 / 矿物含量
  • 干燥设备露点 → 限制材料吸湿性要求
  • 注塑机压力 / 温度 → 限制基材流动性与加工窗口
库 02 · 产品库 — 1 张表

设计思路:每个量产成品零件记录其当前使用的最终材料牌号(含改性),用于追溯与相似零件检索。

products表 2.1 · 产品主数据表
字段类型说明示例
product_idVARCHAR(30)主键PRD-AED-X100
product_nameVARCHAR(100)产品名称AED 除颤仪外壳(前盖)
project_codeVARCHAR(20)内部项目号P2024-088
material_usedVARCHAR(50)最终使用材料牌号(含改性代号)PC/ABS FR3010 + 有机硅改性
application_scenarioTEXT使用工况(温度 / 受力 / 耐化)−20℃~50℃,1.2m 跌落,接触碘伏
库 03 · 模具与设备库 — 2 张表

设计思路:记录每套模具的具体参数与适配机台,以及每个注塑厂的设备能力,用于 CPK 计算与 DFP 节拍评估。

molds表 3.1 · 模具信息表
字段类型说明示例
mold_idVARCHAR(30)主键MOLD-AED-001
mold_nameVARCHAR(50)模具名称AED 前盖注塑模
cavity_countINT穴数1 出 2
mold_materialVARCHAR(30)模具钢材S136H(镜面)
max_mold_tempINT最高耐温 (℃)120
ejection_typeVARCHAR(20)顶出方式(顶针 / 推板 / 气顶)顶针 + 推板
factory_machines表 3.2 · 注塑机 / 产线设备表
字段类型说明示例
machine_idVARCHAR(20)主键MC-FANUC-530A
factory_nameVARCHAR(50)所属注塑厂迈瑞光明注塑二厂
brandVARCHAR(30)品牌Fanuc
tonnageINT锁模力 (T)530
screw_diameterDECIMAL(5,2)螺杆直径 (mm)80
max_injection_pressureINT最大射压 (MPa)290
machine_cpk_capabilityJSONB设备能力基线(该机台历史最佳 CPK){"dimensional_cpk": 1.45, "weight_cpk": 1.33}
robot_arm_typeVARCHAR(30)机械手类型6 轴关节机器人
库 04 · 工艺库 — 1 张表

设计思路:针对每种材料在不同料温、模温下的反应,存储为多维度工艺窗口,AI 据此推荐最优参数。

process_windows表 4.1 · 工艺参数响应表
字段类型说明示例
process_idVARCHAR(20)主键PROC-PCPBT-001
material_idVARCHAR(20)外键 → 材料库PC/PBT 3706
mold_temp_setINT设定模温 (℃)70
melt_temp_setINT设定料温 (℃)260
observed_fluidityVARCHAR(20)流动性表现(优 / 良 / 差)
observed_shrinkageDECIMAL(5,3)实际收缩率 (%)0.55
observed_warpage_levelVARCHAR(20)翘曲程度(低 / 中 / 高)
applicable_noteTEXT适用条件备注适合薄壁件(≤2mm)
库 05 · 设计规范与图纸库 — 2 张表

设计思路:存储设计规范、历史图纸,以及 DFM/DFP 自动审查的经验规则(如不同材料的拔模角建议值)。

design_guidelines表 5.1 · 设计指南规则表
字段类型说明示例
rule_idVARCHAR(20)主键DFM-RULE-012
material_categoryVARCHAR(30)适用材料大类PC/ABS
feature_typeVARCHAR(30)特征类型(筋位 / 壁厚 / 圆角)加强筋
recommended_valueDECIMAL(5,2)推荐值筋厚 = 0.5~0.6 倍壁厚
tolerance_suggestionVARCHAR(50)公差建议±0.05mm
dfp_check_itemTEXTDFP 量产检查项筋位方向需与顶出方向平行
historical_drawings表 5.2 · 历史图纸元数据表
字段类型说明示例
drawing_idVARCHAR(30)主键DWG-2024-088-V2
product_idVARCHAR(30)外键 → 产品库PRD-AED-X100
file_pathTEXT图纸存储路径(PDM 链接)//PDM/AED/3D/AED_v2.stp
material_calledVARCHAR(50)图纸要求材料PC/ABS FR3010
key_tolerancesJSONB关键尺寸及公差(供 AI 比对){"length": "+/-0.1", "hole_pos": "+/-0.05"}
库 06 · 尺寸库与 CPK 分析 — 1 张表

设计思路:存储试模与量产中的全尺寸测量数据,AI 据此自动计算 CPK,判断公差是否合理。

dimension_measurements表 6.1 · 全尺寸测量数据表
字段类型说明示例
measurement_idVARCHAR(30)主键MSR-20250811-001
tryout_roundVARCHAR(10)试模轮次(T0 / T1 / …)T2
product_idVARCHAR(30)外键 → 产品库PRD-AED-X100
dimension_featureVARCHAR(50)尺寸特征名称总长 (L1)
design_nominalDECIMAL(10,3)设计标称值 (mm)300.220
upper_toleranceDECIMAL(10,3)上公差+0.100
lower_toleranceDECIMAL(10,3)下公差−0.100
measured_valueDECIMAL(10,3)实测值300.250
cpk_calculatedDECIMAL(5,3)自动计算 CPK 值1.25
cpk_statusVARCHAR(10)AI 判定(绿 / 黄 / 红)黄(需收紧管控)
库 07 · 测试库 — 1 张表

设计思路:存放材料厂商提供或内部委外测试的详细数据,支持选材时的性能缺口对比。

material_test_reports表 7.1 · 材料测试报告表
字段类型说明示例
test_idVARCHAR(30)主键TEST-3706-UL94
material_idVARCHAR(20)外键 → 材料库PC/PBT 3706
test_standardVARCHAR(30)测试标准UL 94
test_itemVARCHAR(50)测试项目垂直燃烧(阻燃)
test_resultVARCHAR(50)测试结果V-0 (1.5mm)
test_conditionTEXT测试条件23℃±2℃,50%RH
库 08 · 经验与失败案例库 — 2 张表

设计思路:企业最珍贵的试错成本数据。包含试模失败、量产失败、测试失败的详细根因与改善对策。

failure_cases表 8.1 · 失败案例主表
字段类型说明示例
case_idVARCHAR(30)主键FAIL-2024-088-01
case_typeVARCHAR(20)类型(试模 / 量产 / 测试)试模失败
product_idVARCHAR(30)外键 → 产品库PRD-AED-X100
material_usedVARCHAR(50)事发时所用材料PC/ABS 2950
failure_phenomenonTEXT失效现象描述胶柱在顶出时爆裂
root_cause_ai_analysisTEXTAI 分析的根因(结合工艺 / 尺寸库)顶出速度过快(120mm/s)+ 材料延展率不足(<15%)
countermeasureTEXT改善对策(已落地)降低顶出速度至 60mm/s,材料切换为 3706
is_solvedBOOLEAN是否彻底解决TRUE
deviation_data表 8.2 · 材料与工艺偏离数据表
字段类型说明示例
deviation_idVARCHAR(30)主键DEV-2025-022
material_idVARCHAR(20)外键 → 材料库POM M90-44
actual_mold_tempINT实际模温(实测)75℃
recommended_mold_tempINT推荐模温(物性表)90℃
deviation_resultTEXT偏离导致的后果表面出现气纹,光泽度下降 20%
lesson_learnedTEXT经验总结POM 模温低于推荐值 10℃ 以上时,必须延长保压时间
查询方式
结构建成后,大模型可通过自然语言转 SQL图查询(Graph RAG),快速串联「该材料在 T0 试模时的尺寸 CPK」「同材料的改性案例」「类似设备的量产节拍」等信息,精准回答工程师关于选材改性、DFP 量产可行性、图纸公差合理性的问题。
SECTION 02

数据采集

多源融合 · 自动化优先 · 标准化先行 · 版本溯源 · 闭环更新

知识库的价值取决于数据的覆盖度、准确性与更新频率。采集方案遵循五项总体原则,按库制定来源与方式,并以批量导入、系统集成、OCR/NLP 解析与人工审核四种手段落地,辅以数据质量校验与冷启动策略。

总体采集策略

原则说明
多源融合内部系统(PLM / ERP / MES / LIMS)+ 外部数据(供应商、标准、文献)+ 人工录入
自动化优先能通过 API / 爬虫 / OCR 自动获取的优先自动化;仅无法自动化的部分由人工补充
标准化先行定义统一数据模型与属性字典,所有数据入仓前必须映射到标准字段
版本与溯源每条数据带来源、时间、责任人,支持版本对比与回滚
闭环更新项目执行过程中产生的数据(试模、测试、失效)自动回流至对应库

分库采集方案九类库 · 数据内容 / 采集方式 / 工具

数据内容采集方式工具
产品库
产品树、材料基因
行业大类 → 产品线 → 产品类型 → 细分部件;每个节点关联常用材料类型、基线性能、历史项目、标准
  • 初始构建:从现有 BOM、产品手册、项目档案中人工梳理,录入 Excel 后批量导入
  • 系统对接:从 PLM 提取产品结构树,自动映射到产品库节点
  • 持续更新:新项目立项时由工程师在平台创建产品节点,选择或输入材料信息
Excel 模板导入、PLM API、在线表单
材料库
本征性能、牌号、改性
材料牌号、供应商、基材、填料、阻燃体系、TDS 物性、UL 黄卡、内部验证数据
  • 供应商 TDS / UL 黄卡:通过供应商官网、UL Prospector API、CAMPUS 数据库自动抓取或下载后解析
  • 企业历史材料:从 ERP 物料主数据、图纸标题栏、历史 BOM 中提取材料牌号并关联规格
  • 内部测试数据:从 LIMS 自动同步测试结果(拉伸、冲击、老化等),结构化存储
  • 改性配方:改性开发完成后由材料工程师录入配方(基材 + 改性剂种类与含量),作为改性案例
爬虫 + API、PDF 解析(TDS / UL 黄卡)、LIMS 对接、人工录入
工艺库
注塑工艺窗口、缺陷规则
不同材料 / 模具组合的推荐工艺参数(料温、模温、注射压力、速度、保压)与缺陷—参数关联规则
  • 试模记录:从试模报告或 MES 中提取工艺参数与缺陷现象,通过 NLP 解析非结构化文本
  • 工艺卡:企业标准工艺卡直接导入,或从 MES 工艺管理模块同步
  • 专家经验:由资深工程师将经验规则录入系统(如「PC/ABS 模温建议 80~100℃」),形成结构化规则
  • 文献 / 供应商推荐:从材料供应商加工指南、公开文献中提取典型工艺窗口
OCR / NLP 解析、表单录入、规则模板
模具库
钢材、结构、历史
模具编号、钢材牌号、浇口类型、型腔数、壁厚范围、历史模次、保养记录
  • 模具台账:从模具管理系统或 Excel 台账导入
  • 模具设计图纸:从 PLM 提取模具 3D 模型,自动识别钢材与浇口类型(需人工确认)
  • 生产数据:从 MES 获取每套模具的生产模次、维修记录,自动更新模具状态
Excel 导入、PLM / MES 对接、表单维护
设备库
注塑机、干燥机、模温机、机械手
设备型号、锁模力、螺杆类型、干燥露点、模温范围、机械手吸盘规格等
  • 设备台账:从设备管理系统或采购清单导入
  • 参数录入:由设备管理员在后台录入或批量导入
  • MES 实时数据:设备联网时自动获取实际运行参数(当前料温、模温等),用于实时风险判断
API 对接、Excel 导入
改性规则库
改性手段影响规律
玻纤 / 矿物 / 增韧剂 / 阻燃剂等对性能的影响方向与幅度、适用基材、约束条件
  • 文献与专利:通过 NLP 从公开文献、专利中提取改性配方与性能变化数据,构建初始规则
  • 供应商技术资料:改性剂供应商提供的添加量—性能曲线
  • 内部实验数据:企业自有改性实验结果,通过机器学习拟合影响函数
  • 专家访谈:将资深材料工程师的经验整理为结构化规则
NLP 文本挖掘、数据拟合、专家录入
历史测试库
验证结果、失败率
每次测试的项目、材料、条件、标准、结果(通过 / 失效现象)
  • LIMS 系统:直接 API 对接,自动同步测试报告数据
  • 测试报告 PDF:使用 OCR 与 NLP 解析测试报告,提取样品、条件、结果
  • 手工补录:早期无电子化的数据由工程师录入
LIMS API、OCR + NLP、表单
失效案例库
缺陷现象、根因、对策
失效现象(银纹、开裂、短射)、相关材料 / 工艺 / 设计、根因、解决措施
  • 8D 报告 / 质量报告:从质量管理系统提取,NLP 解析问题描述与原因
  • 试模记录:试模中发现的缺陷与解决过程直接记录到系统
  • 售后数据:从 CRM / 售后系统提取客户投诉中的失效信息,人工分类
  • 主动沉淀:失效诊断助手结案后,自动将确认的根因与方案写入案例库
NLP 解析、系统对接、自动回写
产线资源库
DFP 相关
产线布局、传送带参数、包装方式、周转器具、换型时间
  • 产线设计文档:从工艺部门获取产线规格书,录入系统
  • 现场调查:由 IE 工程师现场测量并录入
  • MES / APS 数据:从排产系统提取产线节拍、换型时间
表单、Excel 导入、MES 对接

采集工具与流程

01

批量导入模板

为每个数据库提供 Excel / CSV 模板,支持一次性导入大量历史数据。模板包含字段映射与数据校验规则,导入时自动检查格式与逻辑错误。
03

OCR 与 NLP 解析

  • TDS / UL 黄卡解析:模板匹配 + OCR 提取物性表
  • 测试报告解析:NLP 模型识别测试项目、条件、结果
  • 失效报告解析:抽取现象、原因、措施,结构化存入案例库
04

人工审核与补全

自动解析置信度低的数据进入人工审核队列,由相关工程师确认或修正;平台提供简易审核界面。

02 · API 与系统集成

系统对接数据技术
PLM产品结构、图纸、BOM、材料REST API / Webhooks
ERP物料主数据、供应商、价格中间表 / API
MES工艺参数、设备状态、生产模次OPC-UA / API
LIMS测试报告、结果数据API / 文件解析
质量系统8D 报告、失效记录API / 数据库同步

数据质量与持续更新

数据校验规则

  • 属性值范围检查(如密度 0.8~2.5 g/cm³)
  • 引用完整性(材料牌号必须存在于材料库)
  • 版本冲突检测

更新机制

  • 定时同步:每晚同步 PLM / ERP / MES 中的新增与变更数据
  • 事件触发:项目结案、测试完成、试模结束后自动触发数据回流
  • 手动补充:用户可随时通过对话或后台更新数据,平台记录修改历史

反馈闭环

当 AI 推荐或检查出现错误时,工程师可标记「AI 判断有误」,系统自动将该案例与修正结果加入训练集,持续优化模型。

冷启动策略平台上线初期数据不全时

  1. 1
    优先录入高频产品线
    从最核心的 1~2 个产品线开始,人工构建完整数据(产品树、材料、模具、工艺)
  2. 2
    导入公开标准库
    预先灌入 GB/T 14486 公差标准、常用塑料 TDS、UL 黄卡等公开数据
  3. 3
    供应商协同
    邀请核心供应商提供其材料的数字化 TDS 与加工指南,直接导入
  4. 4
    以 AI 补全默认值
    对缺失的工艺参数或改性规则,先使用行业通用值作为默认,在后续使用中根据实际结果修正
SECTION 03

选材助手

产品基因定位 → 需求补全 → 物性匹配 → 改性推理 → 评分迭代

选材助手将工程师的自然语言需求转化为结构化规格书,先在企业库与全球物性库中检索现成牌号;当无牌号可直接满足时,结合改性规则、历史案例与工艺约束推理改性方向,并通过多维评分与反思迭代输出最优方案。

总体技术架构四层

交互层
对话式助手界面:多轮对话管理、上下文继承、结果卡片展示、报告生成
推理层
需求解析引擎可行性评估引擎改性方向推理引擎牌号匹配引擎竞品逆向引擎风险预判引擎
知识层
  • 材料本征性能图谱:基材(PC、PA66、PPSU、PEEK 等)与关键性能(模量、冲击、HDT、耐化学、成本)的映射
  • 改性规则图谱:改性手段(玻纤、碳纤、增韧剂、合金化、助剂)对性能的影响方向与幅度
  • 约束规则库:工艺约束(模具钢材、干燥设备)、测试标准、供应风险规则
数据层
企业自有知识库(材料、改性案例、测试、模具 / 设备 / 产线)· 外部数据库(材料物性、供应商、文献专利)· 用户实时输入(需求、竞品测试数据)

推理层各引擎的职责:需求解析负责自然语言处理与指标结构化;可行性评估基于帕累托前沿与约束满足判断标准材料能否满足全部需求;改性方向推理基于知识图谱与优化算法生成配方候选;牌号匹配从材料库检索最接近的基础牌号或已改性牌号;竞品逆向基于灰分、DSC 等分析数据反推改性痕迹;风险预判调用历史测试与设备数据计算各方案风险指数。

五层推理与评分迭代主流程

  1. L1
    产品基因库定位(Product DNA Mapping)
    识别产品所属细分品类,调取该品类常用材料与物性包络
  2. L2
    多轮反问 · 需求规格采集(Requirement Elicitation)
    基于品类基线识别缺失指标,逐项追问,直至形成完整规格书
  3. L3
    全球物性库搜索匹配(Global Property Matching)
    以完整规格书在材料数据库中检索现成牌号
L3 匹配结果路由
完美匹配 · 评分 ≥ 85跳至 L5 输出
部分匹配 · 评分 50~85进入 L4 改性推理
无匹配 · 评分 < 50进入 L4 改性推理
  1. L4
    改性方向推理引擎(Modification Reasoning)
    结合产品库、场景库、模具库、工艺库、改性库生成候选配方
  2. L5
    评分—反思—迭代闭环(Score · Reflect · Iterate)
    对每个方案多维评分(性能 + 风险 + 失效 + 供应);未达标则定位原因、调整方案、重新评分,循环至收敛
  3. 最终输出
    材料 / 牌号 / 改性方案 / 风险报告

各层运行逻辑

L1 · 产品基因库定位

目的:将用户输入(产品名称、应用场景、部件描述)映射到企业内部产品树的精确节点,获取该节点的「材料基因」:常用材料类型、基线性能包络、历史项目、相关规范。

需求结构化解析

输入示例:「手柄材料需要弯曲模量 ≥5000 MPa,冲击强度 ≥15 kJ/m²,耐 134℃ 蒸汽灭菌 1000 次,耐 75% 酒精擦拭,成本 ≤200 元/kg。」

  • 使用意图识别与槽位填充技术,提取指标名称、数值、单位、条件
  • 对缺失信息(如「耐酒精接触时间」)通过多轮对话追问补全
  • 根据历史上下文自动继承项目背景(产品类型、壁厚、年用量)
  • 输出标准化需求规格书(JSON),区分硬性指标(必须满足)与优化指标(尽量优化)

产品库层级示例

行业大类:医疗
  └── 产品线:体外诊断设备
        └── 产品类型:除颤仪
              └── 细分部件:外壳上盖
                    ├── 常用材料类型:PC/ABS、PC、PPSU
                    ├── 典型物性包络:HDT 100~140℃、冲击 20~50 kJ/m²、V0@1.5mm
                    ├── 典型工况:酒精擦拭、跌落、运输振动
                    └── 历史项目:项目A 使用 PC/ABS X 牌号,项目B 使用 PPSU …

AI 动作:将输入映射到产品库节点 → 调取该节点的材料类型清单与典型物性包络作为后续反问基准 → 若产品库中无该产品,向上匹配到最近父类并标记「新品类,建议完善产品库」。

示例输出
已识别产品:除颤仪外壳上盖
该品类常用材料:PC/ABS(60% 项目)、PC(30%)、PPSU(10%)
典型性能基准:冲击 ≥30 kJ/m²、V0@1.5mm、耐酒精擦拭

算法流程

用户输入 → 文本预处理 → 候选节点检索 → 语义排序 → 节点确认 / 追问 → 输出节点材料基因
  1. 文本预处理:分词、去停用词、实体提取(产品词、部件词、行业词)
  2. 候选节点检索:精确匹配(产品名称 / 别名直接命中)→ 模糊匹配(Elasticsearch 倒排索引 + 同义词扩展)→ 语义匹配(text-embedding-3 或 BGE 向量模型计算余弦相似度,返回 Top-K)
  3. 语义排序:结合节点层级深度、历史点击频率、上下文信息重排候选节点
  4. 节点确认:Top-1 相似度 > 0.85 直接采用;否则对话确认(「您指的是除颤仪外壳上盖,还是整个除颤仪外壳?」)
  5. 输出基因信息:提取该节点的材料类型、基线性能、典型需求、历史案例

异常处理

  • 产品库无匹配:向上逐级匹配父节点(如「除颤仪」→「体外诊断设备」),并标记「新品类待完善」
  • 多义性冲突:输入可能对应多个节点,通过反问澄清
产品树数据结构(Product Tree)
字段类型说明
node_idstring唯一标识,如 MED_IVD_DEFIB_SHELL_UPPER
node_namestring节点名称,如「除颤仪外壳上盖」
industrystring行业大类(医疗 / 储能 / 汽车 …)
parent_idstring父节点
children_idslist子节点列表
material_typeslist该节点常用材料类型,如 ["PC/ABS", "PC", "PPSU"]
baseline_propertiesdict典型物性包络,如 {"HDT": [100,140], "impact": [20,50], "V0": "@1.5mm"}
typical_requirementslist常见需求清单,用于后续槽位定义
historical_projectslist历史项目 ID,关联材料、工艺、失效案例
standardslist相关行业标准(IEC 60601、UL 746C 等)

产品树为多层级树状结构,自大到小逐级推理,减少重复与失效。为支持模糊匹配,每个节点维护语义向量同义词表

L2 · 多轮反问 · 需求规格采集

目的:基于产品基因信息,识别用户需求与缺失关键指标,构建完整、量化的需求规格书。

反问策略

  • 基于产品库基线:只需确认「哪些指标与行业默认不同」与「哪些关键指标缺失」
  • 基于指标优先级:优先追问对材料选择影响最大的指标(耐温、阻燃壁厚、化学接触)
  • 支持一次性给全:用户可一次给出全部参数,AI 仅确认补全,不强制多轮

反问模板(以 CCS 支架为例)

行业基线
PC/ABS,HDT 105℃,V0@1.5mm
用户差异点
HDT 要 125℃、0.5mm V0、寿命 15 年
追问缺失
  • 「长期使用温度具体是多少?短期是否经过回流焊(峰值温度)?」
  • 「0.5mm 是壁厚,对应的 UL94 V0 等级需要确认——是 UL 黄卡认证还是内部测试即可?」
  • 「15 年寿命对应的 RTI(相对热指数)要求多少?是否有整车厂规范引用?」
  • 「尺寸精度方面,线性热膨胀系数有具体要求吗?」
  • 「成本目标有上限吗?年用量大概多少?决定是否推荐特种材料。」

终止条件:所有对材料选择有决定性影响的指标均已量化,且「需求规格完整性得分」≥ 90%。输出:结构化需求规格书(JSON),含硬性指标、期望指标、约束条件。

槽位定义(Slots)

槽位名类型必填优先级追问模板取值示例
hdtfloat「长期使用温度或 HDT 要求多少?」125℃
flame_ratingstring「阻燃等级及壁厚?」V0@0.5mm
rtifloat「15 年寿命对应的 RTI 要求?」130℃
ctiint「CTI 要求多少伏?」600V
impactfloat「缺口冲击强度要求?」25 kJ/m²
costfloat「材料成本上限?」60 元/kg

槽位来源标记:用户初始输入 source=user;产品基线可推断的默认值 source=baseline(需用户确认);标准 / 规范强制要求 source=standard

缺失槽位检测与反问策略

  1. 计算每个槽位的信息增益(对材料选择的影响程度),由决策树或专家规则预先定义
  2. 批量反问:优先询问高增益且缺失的槽位,允许用户一次回答多个
  3. 动态槽位生成:用户提到特殊需求(如「耐电解液」)时,动态添加新槽位(chemical_resistance
  4. 终止条件:所有必填槽位已填充,或需求规格完整性评分 ≥ 0.9
L3 · 全球物性库搜索匹配

目的:检索现成牌号,判断是否存在可直接使用的材料。

数据源
企业自有材料库(已验证、有供应关系)· 全球物性数据库(UL Prospector、CAMPUS、MatWeb、各供应商牌号库)· 竞品逆向库(如有历史竞品分析记录)

匹配逻辑:硬性过滤 + 相似度排序

  1. 阶段 1 · 硬性过滤:对每个硬性指标检查牌号物性是否满足,如 hdt ≥ 125flame_rating == V0@0.5mm(数据库中可能只有 V0@1.5mm,需查询「薄壁阻燃」标签或调用阻燃等级换算规则)、rti ≥ 130;任一项不满足即标记「硬性不通过」
  2. 阶段 2 · 相似度排序:对通过硬性过滤的牌号,计算各期望指标的归一化得分并加权求和
加权相似度
Score = Σi wi · max( 0, 1 − |pi − pitarget| / rangei )
wi 为指标权重,rangei 为归一化区间

差距分析

对未通过硬性过滤的牌号计算每个指标的差距向量,作为 L4 改性推理的输入:

gap_vector = {
  "hdt": {"target": 125, "actual": 105, "gap": -16%},
  "flame_rating": {"target": "V0@0.5mm", "actual": "V0@1.5mm", "gap": "壁厚不达标"}
}

输出与路由

匹配情况定义路由
通过 完美匹配硬性全部通过,Score ≥ 85直接进入 L5 评分(跳过改性),推荐牌号 + 供应商 + 价格 + 供应风险
关注 部分匹配硬性部分通过,或 Score 50~85(部分指标差 10%~30%)进入 L4 改性推理
高 无匹配硬性全部不通过,或 Score < 50(关键指标差距超过 30% 或多项不达标)进入 L4 改性推理
示例
全球搜索发现:SABIC NORYL PPO/PS 接近耐热与阻燃要求,但冲击不足;杜邦 Zytel HTN 满足耐热与阻燃,但 0.5mm V0 需确认。结论:无完美匹配,进入改性推理。
L4 · 改性方向推理引擎

目的:现成牌号无法满足全部需求时,结合全部知识库推理「基材 + 改性配方」的候选路线。

调用知识库
产品库(该产品常见改性路径)场景库(温度 / 化学 / 紫外 / 疲劳)模具库(钢材 / 浇口 / 壁厚能力)工艺库(注塑机 / 干燥设备 / 模温机)改性规则库历史改性案例库

推理引擎工作流

  1. 1
    基材候选生成
    从产品库与场景库选出可能的基材大类(PC/ABS、PPA、PPS、PPSU、PEEK 等)
  2. 2
    改性路径搜索
    针对每个基材,从改性规则库搜索能弥补性能缺口的改性组合:提升 HDT → 增加 PC 比例 / 加玻纤 / 加矿物 / 加耐热剂;提升冲击 → 加增韧剂 / 合金化;薄壁阻燃 → 无卤磷氮系阻燃剂 + 高流动基材
  3. 3
    约束过滤
    按工艺库检查每条路线的可行边界:模具钢材耐磨性(玻纤含量高时要求高)· 干燥设备露点 · 注塑机压力 / 温度是否在推荐窗口 · 改性剂供应可获得性
  4. 4
    多目标优化
    在满足所有硬性指标的前提下,寻找成本最低、性能余量最大的配方组合;使用帕累托前沿搜索,输出 2~4 条候选路线

推理流程细节

  1. 多指标可行性空间分析:将需求指标向量映射到材料性能空间;从知识库检索候选基材大类的性能包络(区间表示,如 PC 弯曲模量 2200~2600 MPa);用约束满足算法检查是否存在单一基材同时满足所有硬性指标;用帕累托前沿找出最优折中区域。存在标准牌号可满足 → 直接牌号推荐;不存在 → 计算差距向量并触发改性推理
  2. 缺口分析:对每个基材计算本征性能与目标性能的差距,映射到改性手段的组合需求(如同时弥补「模量不足」与「冲击不足」)
  3. 改性路径搜索:规则推理 + 案例推理 + 优化搜索混合策略——规则粗筛(玻纤增强:模量 ↑ 每 1% 约 +150~200 MPa、冲击 ↓ 每 1% 约 −1~2 kJ/m²;增韧剂:冲击 ↑ 每 1% 约 +2~4 kJ/m²、模量 ↓ 每 1% 约 −50~100 MPa;两者联用形成增强—增韧协同)→ 案例相似度检索(在历史案例库查找相似需求的成功配方作为初始种群)→ 多目标优化(遗传算法或贝叶斯优化在改性剂含量空间搜索帕累托最优配方:决策变量 = 各改性剂含量;约束 = 配方总和上限、工艺可行、成本上限;适应度 = 加权性能偏差 + 成本惩罚)
  4. 约束过滤:检查每条候选路线的工艺约束(如玻纤 30% 需耐磨钢,现有模具是否满足)与改性剂可获得性,输出 2~4 条可行路线
辅助层级 · 竞品逆向(可选)
用户上传竞品的灰分含量、DSC 曲线、TGA 等数据时,启动竞品逆向引擎:对比竞品与纯基材的本征性能差异(灰分 → 填料含量,Tg 偏移 → 合金化或增塑)反推可能的改性配方,与生成的路线做相似度匹配,优先推荐与竞品策略接近的方案。
L5 · 评分—反思—迭代闭环

目的:对每个候选方案进行多维评分;评分不达标则进入反思循环,调整方案后重新评分,直至输出置信度足够高。

评分维度与权重

评分维度权重(默认)评分内容
性能吻合度35%每个硬性指标的达标程度;预期值是否落入目标区间;安全余量
工艺可行性20%模具兼容性、设备能力匹配、干燥 / 模温要求、成型窗口
风险预判20%基于历史测试数据的失败概率(如某改性路线类似配方通过率)、改性实施风险
失效分析15%该方案在目标工况下可能出现的失效模式(如增韧剂影响耐化学性导致开裂)
供应与成本10%原料可得性、交期、价格波动、是否符合成本上限

风险预判分数:检索历史测试库中相同基材 / 类似配方的测试记录计算通过率 p;数据不足时使用专家规则先验;风险分数 = p × 100,或基于贝叶斯后验。总分 = Σ(维度得分 × 权重),满分 100。

阈值设定

  • 通过 ≥ 85 分 输出给用户,附详细报告
  • 关注 60~84 分 进入反思循环,针对低分维度调整
  • 高 < 60 分 直接淘汰,并在反思循环中分析淘汰原因,指导新一轮生成

反思循环机制

  1. 定位低分维度:找出得分最低的 1~2 个维度
  2. 根因分析:性能吻合度低 → 改性路径未充分弥补缺口,调整配方比例或更换改性手段;工艺可行性低 → 玻纤含量过高导致模具磨损,降低含量或换高流动基材;风险预判低 → 历史类似配方失败率高,更换增韧剂类型或增加预验证;失效分析低 → 目标化学环境下有已知开裂风险,增加合金化或表面处理
  3. 方案修正:调整改性路线(如玻纤 20% → 15%,增韧剂 5% → 8%),或替换基材 / 改性剂
  4. 重新评分
  5. 循环终止:评分 ≥ 85,或达到最大迭代次数(如 3 轮),或可行空间已穷尽;输出当前最优方案并如实告知剩余风险

多方案对比:最终将评分最高与次高的 2~3 个方案并列展示,附各维度得分雷达图,直观呈现每个方案的强项与妥协点。

技术栈

技术说明
L1向量数据库(Milvus)、Elasticsearch、BERT / LLM 语义编码Elasticsearch 负责关键词与全文精确检索;BERT / LLM 将文本编码为语义向量;Milvus 存储向量并按语义相似度检索。三者组合实现「精确匹配 + 语义相似」的双路召回
L2对话状态管理(Rasa / 自研)、槽位填充、规则引擎对话状态管理维护跨轮上下文,避免每轮重置;规则引擎处理确定性逻辑,简单固定问题直接走规则,不消耗大模型算力
L3Elasticsearch、FAISS、数据标准化管道、API 集成FAISS 为 Meta 开源的轻量向量检索库,适合中小规模向量库;数据标准化管道对 Excel、CRM、ERP、PDF、SDS 等异构来源统一单位、命名与格式,剔除脏数据后输出标准结构
L4知识图谱(Neo4j)、规则推理(Drools)、优化算法(DEAP / Pyomo)Neo4j 为图数据库,存储实体与关系网络;Drools 为企业级规则引擎,适合大量业务约束的推理;Pyomo 处理约束明确的数学规划(成本、交期、配比),DEAP 以遗传算法处理复杂非线性寻优
L5评分服务、因果推理(贝叶斯网络)、迭代控制状态机贝叶斯网络区分相关性与因果性;迭代控制状态机为整套系统的顶层调度器——需求接收 → 检索 → 图谱推理 → 方案优化 → 评分 → 人工复核 → 输出报告,每步状态可控、失败可重试、流程可回溯,并收集反馈优化下层模型

案例演示 · CCS 支架需求解析与追问

用户输入
「我要做一个高耐热、0.5mm V0 阻燃、寿命 15 年的 CCS 支架。」

L1 · 产品库定位

产品节点:储能 > 电池模组 > CCS 集成母排 > 支架
常用材料:PC/ABS(普通耐热)、PC+GF(中耐热)、PPA+GF(高耐热)、PPS(极高耐热)
基线性能:HDT 100~280℃(按耐热等级不同),V0@0.5~1.5mm,CTI ≥600V
历史项目:3 个,均使用 PC/ABS 或 PC+GF,无 0.5mm V0 + 高耐热案例

L2 · 多轮反问

AI 识别关键差异点:0.5mm V0 + 高耐热 + 15 年寿命。

AI 追问

  • 「高耐热具体指长期使用温度多少?短期是否经过回流焊?」
  • 「0.5mm V0 需要 UL 黄卡认证,还是内部测试即可?」
  • 「15 年寿命对应的 RTI 要求?是否有整车厂规范引用?」
  • 「CTI 要求多少?绝缘电压多少?」
  • 「年用量和成本上限?」
  • 「尺寸精度要求?线膨胀系数需要与铜排匹配吗?」

用户补充

  • 长期使用 130℃,短期过 180℃ 回流焊
  • 需 UL 黄卡 V0@0.5mm
  • RTI ≥130℃
  • CTI ≥600V
  • 年用量 5 万,成本 ≤60 元/kg
  • 线膨胀系数 ≤35 µm/m·℃

后续 L3~L5 的匹配、改性推理与评分迭代过程,见「04 风险预审」中的 CCS 支架完整链路。

SECTION 04

风险预审

贯穿选材、设计、试模、量产各阶段的风险评分维度与回溯机制

风险预审不是独立步骤,而是作为每个阶段的评分维度与输出内容存在。若某阶段风险评分过低,触发回溯机制:例如 DFP 发现抓取不可行,可回溯到选材阶段调整材料或表面纹理,或回溯到设计阶段修改结构。

技术链路:模块与数据流

模块功能关键输入输出
产品基因定位识别产品节点,获取材料基线用户描述、产品树产品 ID、常用材料、基线性能
需求采集对话多轮追问构建规格书产品基线、用户输入结构化需求规格书
全球物性匹配检索现成牌号需求规格书、材料数据库匹配牌号列表 + 差距向量
改性推理引擎生成改性配方候选差距向量、改性规则库、案例库候选改性路线
评分迭代引擎多维评分与反思迭代候选方案、风险数据最优方案(性能 + 风险综合)
风险预审引擎计算各阶段风险指数知识库(测试、供应、工艺、失效)风险清单、风险指数
DFM 检查引擎零件可制造性审查3D 模型、图纸、设计规范库DFM 问题清单
DFP 检查引擎量产可行性审查3D 模型、产线资源库、生产规则库DFP 问题清单
综合报告生成器汇总所有结果各模块输出PDF / HTML 报告

数据流

  1. 对话管理 → 产品基因库 → 需求规格书
  2. 物性匹配
    匹配成功 → 直接输出牌号;不匹配 → 差距向量 → 改性推理引擎 → 改性路线候选
    ← 材料数据库(企业 + 全球)
  3. 评分迭代引擎
    输出材料方案 + 风险清单
    ← 风险预审引擎(调用测试库、供应库、工艺库)
  4. DFM 检查引擎
    用户上传 3D 模型 / 图纸 → DFM 问题清单 + 设计修改建议
    ← 设计规范库
  5. DFP 检查引擎
    选择产线 → DFP 问题清单 + 量产建议
    ← 产线资源库 + 生产规则库
  6. 综合报告
    用户决策:调整设计 / 材料 / 工艺

运行逻辑

  1. 数据加载:从项目上下文自动提取材料方案,调用材料库获取性能包络,无需用户重复输入
  2. 多源检查:并行调用 DFM 检查引擎(对 3D 模型)与 DFP 检查引擎(对产线),获取结构风险与量产风险初判
  3. 历史数据关联:搜索历史测试库中类似配方与薄壁案例,计算失败概率(如 V0 通过率 70%),作为风险等级依据
  4. 规则引擎匹配:根据材料特性(含纤量、干燥要求、模具钢材、螺杆类型)与知识库规则匹配,生成风险项与建议
  5. 输出结构化报告:按设计、试模、量产阶段组织风险清单,每项含风险等级、原因、影响、建议,并给出综合评级与行动优先级
  6. 闭环反馈:报告可同步至项目管理,风险项可转为验证任务或设计修改项;设计或材料调整后可重新运行风险预判更新结果
关键技术组件
组件作用
产品树与图数据库(Neo4j)存储产品—材料—案例关系,支持快速定位
对话管理(Rasa / LLM)多轮反问,槽位填充
Elasticsearch + 向量检索全球物性库搜索
改性规则图谱 + 优化算法生成改性配方,多目标优化
贝叶斯网络计算测试失败指数、风险概率
DFM 规则引擎(Drools)壁厚、拔模、倒扣、公差检查
DFP 产线仿真模块抓取模拟、节拍计算
报告生成器汇总输出,支持 PDF / HTML

CCS 支架 · 完整运行链路六阶段

用户需求
高耐热、0.5mm V0 阻燃、寿命 15 年的 CCS 支架,年用量 5 万,成本 ≤60 元/kg。
阶段 1 · 产品基因定位
  • 输入「CCS 支架」,产品树匹配到节点 储能 > 电池模组 > CCS 集成母排 > 支架
  • 常用材料:PC/ABS(普通)、PC+GF(中耐热)、PPA+GF(高耐热)、PPS(极高耐热)
  • 基线性能:HDT 100~280℃,V0@0.5~1.5mm,CTI ≥600V
  • 历史项目:3 个,均未涉及 0.5mm V0 + 高耐热组合
「0.5mm 薄壁 V0 + 高耐热」在历史项目中无成功案例,属高风险新需求
阶段 2 · 需求采集与物性匹配

多轮反问确认

  • 长期使用温度 130℃、短期 180℃ 回流焊
  • 需 UL 黄卡 V0@0.5mm
  • RTI ≥130℃,CTI ≥600V
  • 年用量 5 万,成本 ≤60 元/kg

物性匹配(企业库 + UL Prospector)

  • PC/ABS:HDT 不达标,0.5mm V0 困难
  • PPA+30GF:HDT 285℃,RTI 155℃,CTI 600V,成本 55 元/kg,但 0.5mm V0 黄卡缺失
  • PPS+40GF:HDT 265℃,RTI 220℃,但 CTI 仅 250V
  • 结论:无完美匹配

差距向量:PPA+30GF 路线主要风险为 0.5mm V0 需额外验证(无黄卡);PC/ABS 路线 HDT 差 20℃、0.5mm V0 不可行。

阶段 3 · 改性推理与评分迭代
路线配方预期性能成本
APPA(PA9T) + 20% GF + 5% 矿物 + 2% 核壳增韧 + 无卤阻燃HDT 275℃,V0@0.5mm 可能,RTI 150℃,CTI 620V52 元/kg
BPC/ABS + 10% 矿物 + 8% 耐热剂 + 无卤阻燃HDT 130℃,V0@0.5mm 极难28 元/kg
CPPS + 30% GF + 增韧HDT 260℃,V0@0.5mm 天然,CTI 250V75 元/kg

评分迭代(整合风险预审)

  • 路线 A:性能吻合度 90%,工艺可行(干燥露点 −40℃ 需确认),风险指数:0.5mm V0 历史通过率 70%(历史类似 PPA 无卤阻燃薄壁测试),失效分析:增韧剂可能降低耐热老化,供应稳定,总分 82
  • 路线 B:性能吻合度 65%,0.5mm V0 通过率 <30%,总分 58,淘汰
  • 路线 C:性能吻合度 88%,CTI 不达标为硬伤,总分 65,降级为备选
触发迭代
路线 A 总分 82 < 85,反思低分维度——风险预审中 0.5mm V0 通过率低。调整配方:增加矿物比例改善阻燃分散,增韧剂替换为耐热型。重新评分:V0 通过率提升至 85%,总分升至 87,达标。

材料风险预审报告(输出)

内容
模具含 20% GF,需耐磨钢(S136 或 H13),现有模具 P20 需升级
干燥PPA 吸湿,需除湿干燥机露点 ≤−40℃,现有 D-12 露点 −30℃ 不满足
供应PA9T 基材及无卤阻燃剂需确认双供应商
测试失败指数150℃/2000h 热老化通过率 85%,双 85 湿热 2000h 通过率 78%
阶段 4 · DFM 检查(上传 3D 模型)

工程师上传 CCS 支架 STEP 文件与图纸,选择材料为路线 A 配方。

DFM 检查引擎输出

壁厚突变:主壁厚 1.2mm,局部 0.5mm,充填困难,建议过渡段加长
拔模角不足:两个筋位拔模 0.3°,建议 ≥0.5°
公差过严:安装孔距 ±0.05,PPA+GF 经济公差 ±0.1,建议放宽或增加定位
合格倒扣无,不需要滑块

模具风险预审

  • 结合材料含纤量与模具库,确认需用 S136 钢,型腔数建议 2 腔(预计成型周期 22s)
  • 热流道需耐高温(PA9T 料温 300℃),检查现有热流道系统是否满足
阶段 5 · DFP 量产评审(选择 L2 产线)

指定 L2 自动化注塑线:机械手吸盘 ⌀20mm,节拍目标 25s,年产能 5 万。

DFP 检查引擎输出

抓取风险:零件最大平面仅 10mm,吸盘无法稳定吸取,建议增加 ⌀25mm 吸附凸台
节拍告警:预计成型周期 28s,单腔年产约 4 万件,不达标。建议开双腔(周期 22s,年产 8 万件)或优化冷却
合格出料姿态:经重心模拟,顶出后姿态稳定,适合直接夹取
包装防刮:外观面在周转箱中可能与隔板棱边接触,建议增加保护筋或使用仿形衬垫

量产风险预审

  • 设备:注塑机螺杆需为耐磨型(含 GF 20%),现有 JM180-MK6 为通用螺杆,需更换或降低 GF 含量
  • 模具保养:预计每 5 万模需检查型腔磨损
  • 材料批次波动:PA9T + 无卤阻燃剂批次间 CTI 可能波动,需来料检验 CTI
阶段 6 · 综合报告与迭代
  • 推荐材料方案:路线 A(PPA + 20GF + 5 矿物 + 2 核壳 + 无卤阻燃)
  • DFM 修改建议:壁厚过渡、拔模角、公差调整
  • DFP 修改建议:增加吸附凸台、开双腔、换耐磨螺杆
  • 风险清单:按严重度排序,每项附验证计划
  • BOM 清单:基材、改性剂、色母、包装材料等

工程师接受建议并更新模型后,系统重新校核,直至风险评分达标;最终输出完整方案包,进入试模验证。

风险预判报告样例对话触发 · 三阶段清单

用户
我已经选好材料方案了:PPA + 20% GF + 5% 矿物 + 2% 核壳增韧 + 无卤阻燃,用于 CCS 支架,壁厚 0.5mm,要求高耐热、V0 阻燃、寿命 15 年。已上传支架的 3D 模型和图纸,请预测设计、试模、量产的风险。
AI · 风险预判助手
收到。将基于您的材料方案、产品结构(已解析 3D 模型)与企业知识库,分阶段进行风险预判。
系统内部运行日志
[系统] 加载项目上下文:CCS 支架,材料方案已确认。
[系统] 从材料库调取材料性能包络:PPA+20%GF+5%矿物+2%核壳增韧+无卤阻燃,MFR=12g/10min,HDT=275℃,V0@0.5mm 待验证,RTI=150℃,CTI=620V,成本 52 元/kg。
[系统] 从历史测试库检索类似配方记录:PPA+GF 无卤阻燃薄壁测试通过率 70%(0.5mm V0),150℃/2000h 热老化通过率 85%。
[系统] 从 DFM 检查引擎获取 3D 模型分析结果:壁厚分布 0.5~1.2mm,存在两处壁厚突变;拔模角部分筋位 0.3°;倒扣无;公差标注 ±0.05mm(部分过严)。
[系统] 从 DFP 检查引擎(选择 L2 产线)获取结果:最大平面仅 10mm,吸盘抓取风险;预计成型周期 28s(单腔),年产能不达标;出料姿态稳定。
[系统] 调用模具/设备库:现有模具钢材 P20,注塑机螺杆为通用型,干燥机露点 −35℃。
[系统] 运行风险规则引擎,生成各阶段风险清单。
一、设计阶段风险(含产品设计与模具设计)· 6 项
风险项等级可能原因影响建议措施
0.5mm 薄壁充填不足材料 MFR 仅 12,玻纤 + 矿物填充降低流动性;壁厚过薄短射、缺料,产品报废优化浇口位置,增加流道尺寸;料温提高至 320℃,注射速度提高;考虑局部增加壁厚至 0.8mm 或增加过渡段
壁厚突变引起应力集中0.5mm 与 1.2mm 之间过渡急剧应力开裂,尤其在高温老化后增加过渡圆角 R ≥1mm,过渡段长度 ≥3mm
拔模角不足(0.3°)设计疏忽脱模困难,顶白或拉伤筋位拔模角改为 ≥0.5°,必要时增加顶针
公差标注过严(±0.05mm)设计未考虑注塑经济公差废品率高,成本上升关键安装孔公差放宽至 ±0.1mm,或增加定位销结构
模具钢材选择不当含 20% GF + 5% 矿物,现有 P20 钢耐磨性不足模具寿命缩短至 15 万模以下,尺寸漂移升级型腔钢材为 S136 或 H13,或做表面涂层处理
热流道耐高温性PPA 加工温度 300℃ 以上,现有热流道系统可能不耐温热流道密封失效,漏料确认热流道耐温 ≥350℃,更换耐高温密封件
二、试模阶段风险 · 5 项
风险项等级可能原因影响建议措施
0.5mm V0 阻燃验证失败无卤阻燃剂在薄壁下分散不均,历史通过率仅 70%无法通过 UL 认证,项目延迟试模前先做阻燃样条测试;配方中增加矿物比例改善分散,需平衡冲击;准备备用阻燃体系
干燥不足导致银纹 / 水解现有干燥机露点 −35℃,不满足 PPA 要求的 −40℃表面银纹,性能下降切换至露点 −50℃ 干燥机,干燥条件 120℃/4h;试模前检测原料含水率 ≤0.1%
充填不足 / 短射与设计风险叠加,工艺窗口窄试模反复失败,周期延长按设计建议优化浇口与壁厚;试模初始采用高温高速参数,逐步调整
螺杆磨损加剧通用螺杆不耐玻纤磨损塑化不均,性能波动试模阶段可接受,量产前更换为耐磨螺杆(双金属)
熔接线强度低薄壁 + 多孔结构,熔接线位于受力区冲击强度不足,可能开裂模流分析优化浇口位置,使熔接线避开高应力区;增加局部增韧
三、量产阶段风险 · 7 项
风险项等级可能原因影响建议措施
0.5mm V0 阻燃批次波动阻燃剂供应商批次差异,分散性波动产品可能批次性不合格来料检验增加阻燃剂含量检测;每批做 UL94 抽样;与供应商签订质量协议
模具磨损导致尺寸漂移GF + 矿物长期冲刷型腔关键尺寸超差,装配不良每 5 万模次检查型腔尺寸,定期电镀修复
节拍不足,产能不达标单腔预计 28s,年产能仅 4 万件(需求 5 万)无法满足订单开双腔模具(周期 22s,年产 8 万件),或优化冷却缩短周期
机械手抓取失败零件最大平面仅 10mm,吸盘 ⌀20mm 无法吸附自动化线停线,效率降低增加 ⌀25mm 吸附凸台(高 1mm,拔模 3°),或改用夹爪方案
干燥设备能力不足露点 −35℃ 不满足量产要求材料吸湿,性能下降采购或调配露点 −50℃ 除湿干燥机,建立干燥点检制度
供应风险(PA9T + 无卤阻燃剂)PA9T 供应商单一,无卤阻燃剂依赖进口断供风险开发第二供应商,或预认证国产 PA10T 方案;安全库存 ≥2 个月
热老化后冲击衰减增韧剂在 150℃ 长期老化后可能失效,冲击保持率需验证15 年寿命存疑启动 150℃/2000h 热老化验证,监测冲击保持率 ≥70%;若不足,更换耐热型增韧剂

综合风险汇总

阶段高风险项中风险项低风险项建议行动
设计薄壁充填不足壁厚突变、公差过严、模具钢拔模角优化浇口与壁厚过渡,升级模具钢
试模V0 验证失败干燥不足、短射、熔接线螺杆磨损先做阻燃与干燥验证,优化工艺窗口
量产V0 批次波动、节拍不足模具磨损、抓取失败、干燥不足、热老化衰减供应风险开双腔模具,增加吸附凸台,锁定第二供应商
结论
总体风险评级:中高。主要风险集中在 0.5mm 薄壁 V0 阻燃的稳定实现量产产能达成。建议立即启动:① 阻燃样条测试(UL94 V0@0.5mm)② 模流分析优化浇口与壁厚 ③ 与模具供应商确认双腔模具方案与钢材升级。
SECTION 05

失效诊断

事后诊断:现象捕获 → 追问 → 根因排序 → 方案联动 → 案例回写

失效诊断助手作为「事后诊断」环节,与选材、风险预审的「事前预防」形成闭环。当试模或量产出现缺陷时,AI 调用项目全生命周期积累的数据(选材方案、风险预警、DFM/DFP 检查结果、工艺参数、历史案例),在数轮对话内完成根因定位与方案推荐,并将解决经验沉淀为组织知识资产。

与前序模块的关系
选材阶段的风险预判已提前标记潜在问题;失效真实发生时,AI 快速调用这些预警信息,结合实时工艺参数与历史案例定位根因,显著缩短传统依赖资深工程师逐项排查的时间。「事前风险预判 + 事中快速诊断 + 事后知识沉淀」是选材平台、DFM/DFP 助手与失效诊断助手协同的核心价值。

五步推理逻辑

  1. 1
    失效现象捕获与上下文加载
    输入:自然语言描述缺陷,可附照片、测试数据(MFR、DSC、力学性能)。AI 动作:解析失效关键词(短射、银纹、开裂、翘曲);自动加载当前项目上下文——已选材料牌号 / 改性配方、DFM/DFP 检查结果、风险预审报告、目标工艺参数;未指定项目时询问或从最近记录匹配。
    示例:「CCS 支架试模时 0.5mm 壁厚处短射」→ 自动关联 CCS 支架项目、材料 PPA+20%GF+5%矿物+无卤阻燃、DFM 曾提示 0.5mm 充填风险
  2. 2
    多轮反问补齐关键信息
    反问维度:失效位置(浇口附近 / 末端 / 特定结构)· 失效频率(偶发 / 持续 / 批次性)· 工艺条件(料温、模温、注射速度、保压压力)· 环境条件(灭菌、化学品接触)· 伴随现象(烧焦、银纹、缩痕)。策略:基于决策树,优先询问对根因判别力最强的问题。
    示例:「短射是每次都有还是偶尔出现?主要集中在哪个位置?料温和注射压力分别是多少?」
  3. 3
    根因推理与排序
    核心引擎:失效因果知识图谱 + 历史案例相似度匹配 + 规则推理。因果图谱以「失效现象—可能原因—影响因素」为节点、因果关系及权重为边(短射 → 材料流动性不足 / 注射压力不足 / 模具排气不良 / 浇口过小 / 壁厚过薄;材料流动性不足 → 料温过低 / 材料降解 / 玻纤含量过高);历史案例匹配检索相似产品、材料、缺陷的根因与措施;规则推理判断给定条件下哪些原因更可能(如 PPA+GF 在 0.5mm 壁厚下,流动性不足是短射首要原因)。输出:按概率排序的候选根因,每条附依据(图谱路径、历史案例编号)与验证方法。
    示例:① 材料流动性不足 — 75% ② 模具排气不良导致困气 — 20% ③ 浇口尺寸过小 — 5%
  4. 4
    改进方案推荐与联动
    针对每个候选根因,从知识库调取对应解决方案,并联动选材 / 改性引擎与 DFM/DFP 修改建议:材料调整(降低玻纤含量 20% → 15%、增加高流动助剂、更换高流动牌号)· 工艺调整(料温 310℃ → 330℃、提高注射速度、增大浇口)· 设计调整(局部壁厚 0.5mm → 0.8mm、优化流道);同时给出验证计划(螺旋流动测试、模流分析验证充填)。输出:结构化改进方案,每项标明预期效果与风险。
  5. 5
    结果沉淀与知识更新
    用户确认最终根因与措施后,AI 自动将该案例(现象、原因、措施、效果)写入失效案例库并更新因果图谱权重;若方案涉及材料或设计变更,可触发新一轮选材 / DFM 检查,形成闭环。

技术链路

  1. a
    对话管理
    解析现象、上下文关联
  2. b
    失效现象结构化
    提取缺陷类型、位置、条件
  3. c
    知识库检索与推理
    失效因果图谱 · 历史案例库 · 材料 / 工艺规则库
  4. d
    根因排序与置信度评估
  5. e
    改进方案生成
    调用选材 / 改性引擎、DFM/DFP 建议
  6. f
    输出诊断报告
    根因 + 方案 + 验证计划
  7. g
    案例回写与模型更新
组件功能关键技术
失效现象解析器从文本 / 图片提取失效模式、位置、条件NLP(意图识别、槽位填充)、图像识别(缺陷分类)
因果知识图谱存储「现象—原因—因素」关系及概率图数据库(Neo4j)、贝叶斯网络
历史案例检索检索相似案例向量检索(Milvus)、相似度排序
规则推理引擎基于材料工艺规则进行逻辑推理Drools、决策树
方案生成器结合选材 / 改性引擎与 DFM/DFP 结果生成建议规则匹配 + 生成式 AI
反馈学习机制根据结案结果更新模型与知识库在线学习、权重更新

案例演示 · CCS 支架失效诊断

场景设定
CCS 支架已按推荐方案(PPA + 20% GF + 5% 矿物 + 2% 核壳增韧 + 无卤阻燃)完成 DFM/DFP 检查并开模。首次试模时,0.5mm 薄壁区域出现短射,同时个别产品有银纹。
用户
CCS 支架试模短射,0.5mm 壁厚处打不满,还有银纹,是什么原因?
AI
已关联到 CCS 支架项目。当前材料为 PPA + 20% GF + 5% 矿物 + 2% 核壳增韧 + 无卤阻燃,DFM 检查时已提示 0.5mm 壁厚充填风险。为精确定位,请补充:
  • 短射是每次都有还是偶尔出现?
  • 料温、模温、注射速度分别是多少?
  • 银纹主要出现在哪个位置?浇口附近还是末端?
用户
短射每次都有,料温 300℃,模温 130℃,注射速度中速。银纹在浇口附近。
AI
基于您的描述与项目历史数据,根因分析如下:
排序可能原因置信度依据
1材料流动性不足:PPA + 20% GF 在 0.5mm 薄壁下 MFR 偏低,且料温 300℃ 低于推荐窗口(310~330℃),导致充填困难80%材料库显示该配方 MFR 为 12g/10min;知识图谱:高 GF 含量 + 薄壁 → 流动性不足;历史案例 #103 类似
2模具排气不良:薄壁处困气阻碍熔体前进导致短射,浇口附近银纹可能为气体析出15%银纹常见于困气或水分,浇口附近更可能是气体积聚
3干燥不足:PPA 吸湿,干燥不充分会产生水汽导致银纹,但短射与水分关系较弱5%干燥机露点显示 −35℃,基本达标

推荐解决方案

工艺调整(立即执行)
料温提高至 320℃,模温提高至 140℃;注射速度提高至高速,增加注射压力;检查模具排气槽深度(建议 ≥0.02mm),必要时增加排气
材料微调(工艺调整后仍短射时)
玻纤含量降至 15%,增加 5% 矿物保持刚性并提高流动性;或添加 0.5~1% 高流动润滑剂(如 EBS 蜡),需验证对阻燃与 CTI 的影响
设计优化(长期)
0.5mm 壁厚过渡段加长至 3mm 以上,或局部增加壁厚至 0.8mm,可彻底解决充填问题
验证计划
先做螺旋流动测试,确认材料在 320℃ 下的流动长度是否满足 0.5mm 充填;试模采用高压高速参数并记录短射位置变化;若短射消失但仍有银纹,则检查干燥条件或排气
用户
提高料温后短射解决了,但银纹还有。
AI
银纹持续存在,排除短射后可能原因:
  • 干燥不足:请确认干燥条件是否为 120℃/4h、露点 ≤−40℃。现有干燥机露点仅 −35℃,建议更换或延长干燥时间
  • 材料降解:料温 320℃ 接近 PPA 上限,停留时间过长可能导致微量降解产生银纹,建议降低背压、减少塑化时间
  • 模具冷料:检查浇口是否产生冷料,增加冷料井

建议:干燥机切换至 D-07(露点 −50℃),干燥温度 120℃、时间 ≥4h;料温微降至 315℃,背压降至 5MPa;浇口附近增加冷料井(若模具允许)。

用户
按建议调整后银纹消失。确认是干燥不足。
AI
感谢确认。已将此案例结案并写入失效案例库:
现象
PPA + 20% GF 薄壁短射 + 浇口银纹
根因
① 流动性不足(料温偏低)② 干燥不足(露点 −35℃)
解决措施
提高料温至 320℃、改用 −50℃ 露点干燥机
效果
缺陷消除

此案例将用于优化后续 PPA 类材料的干燥建议与试模工艺窗口推荐。

SECTION 06

几何与图纸识读

把 3D 模型与 2D 图纸转换为可计算、可核对的标准化数据

将图纸与模型中的图形、线条、标注转换为可计算、可核对的标准化数据,再依据工厂的生产规则自动查错与判定。这是 DFM/DFP 自动审查的输入基础。

读取 3D 模型

  1. 1
    解析模型文件
    通过几何工具将零件拆解为基础元素——点、线、曲面、实体结构,完成基础数据读取
  2. 2
    识别影响生产的关键特征
    在基础几何之上,按工程师的检查思路识别生产最关心的特征,全部转换为标准化数据保存(如「某处螺丝柱直径 3mm、高度 5mm」),供后续规则核对

壁厚

自动扫描整个零件、计算每一处厚度,生成完整厚度分布图,定位偏薄区域与厚度突变。过薄导致注塑缺料,过厚导致缩水开裂。

拔模角

自动计算每个面沿脱模方向的倾斜角度,找出角度不足、无法顺利脱模的位置。垂直内壁会在脱模时卡滞、刮伤产品。

倒扣

自动识别向内凹陷、凸起卡位等模具直接开合无法取出零件的结构,提前预警需改模具或改结构。

常规结构

自动分辨螺丝柱、加强筋、通孔、圆角等结构,记录直径、高度、半径、位置等全部参数。

读取 2D 工程图

类型 A

矢量图纸(DXF、CAD 导出 PDF)

线条、文字、标注均为可编辑数据,直接抓取全部尺寸与文字信息,无识别误差。
类型 B

扫描图片版图纸

无可编辑数据。先优化图片、去除噪点,再以 OCR 文字识别 + 图形识别读出线条、箭头、数字与符号。

提取生产关键标注

  • 尺寸与公差:如「孔径 5±0.05mm」→ 合格范围 4.95~5.05mm
  • 形位公差:平面度、位置度等精度要求,如「安装面平面度 0.02mm」
  • 基础工艺信息:表面粗糙度、测量基准面,以及标题栏中的零件名称、材料、版本

若 3D 模型未自带工艺参数,AI 将 2D 图纸标注精准对应到 3D 零件的相应位置,使「零件形状」与「精度要求」一一匹配。同时借助深度学习模型专门训练识别图纸专属符号、定位尺寸标注框、理解专业工艺文本,即使标注样式不统一也能保持识别精度。

高效路径 · 自带 PMI 的 3D 模型
3D 模型自带 PMI(产品制造信息)时,无需再识别 2D 图纸或 OCR 扫描,直接读取现成的标准化工艺数据——速度更快、零识别误差,是当前最高效的图纸审核方式。唯一前提:企业需统一标准化的设计流程。

数据融合与自动审核

读取 3D 结构与 2D 工艺要求后,将两套数据合并并对接生产规则库,自动排查生产问题,复刻资深工程师的审核逻辑:

检查场景内容
壁厚检查对比塑料材料的生产标准,判断壁厚是否过薄(易断)或过厚(缩水变形),壁厚突变是否导致注塑不良
拔模与脱模检查对照材料对应的标准拔模角,判断现有角度是否足够,是否会脱模卡滞、拉伤零件
公差合理性检查判断图纸标注公差是否合理,如普通塑料孔标注 0.01mm 超高精度、设备无法达到时自动报警提示公差过严
生产适配检查检测零件平面面积判断吸盘能否抓取;根据零件厚度、材料估算注塑冷却时间与生产节拍,评估生产效率

检查完成后生成可视化报告,在 3D 模型上直接标示问题位置并给出具体修改建议。

现存难点与应对

难点表现应对
模型格式不统一不同设计软件导出的 3D 模型质量参差不齐,存在缝隙、重复曲面用专业几何工具自动修复模型瑕疵,兼容各类格式
图纸标注不规范不同设计师标注习惯不同,易导致识别出错优先读取精准的矢量数据,搭配深度学习适配各类标注样式
2D 图纸与 3D 模型对不上难以将 2D 标注精准对应到 3D 零件结构用专业算法自动对齐视图,特殊场景手动校准基准
复杂结构识别不准异形孔、复杂倒扣等特殊结构容易漏识别固定生产规则 + 机器学习结合,用企业真实图纸数据持续训练优化
SECTION 07

DFM / DFP 助手

零件可制造性与产线量产可行性的并行规则检查

DFM/DFP 助手的运行逻辑:解析几何与图纸 → 调用领域知识库 → 并行执行 DFM 与 DFP 规则检查 → 输出问题清单 → 联动材料 / 风险模块 → 生成综合报告。它将原来依赖个人经验的设计评审转变为可量化、可追溯、可沉淀的流程,并与选材、风险预判、失效诊断共同构成产品全生命周期的决策闭环。

运行逻辑

第 1 步 · 输入与解析

用户输入

  • 零件 3D 模型(STEP / IGES,推荐 STEP AP242 含 PMI)
  • 工程图 PDF / DXF(用于提取尺寸公差)
  • 材料牌号或改性配方(可从选材模块带入)
  • 目标模具类型(两板模 / 三板模 / 热流道)
  • 做 DFP 时另需:目标产线 / 车间、年产能需求、包装要求

AI 自动解析

  • 几何特征提取:从 3D 模型计算壁厚分布、拔模角、圆角、倒扣、筋条比例、螺丝柱等
  • 尺寸公差提取:从工程图 OCR 识别尺寸、公差、形位公差、基准、表面粗糙度,或从 3D PMI 读取
  • 材料属性关联:根据所选材料从材料库调取收缩率、流动性(MFR)、密度、玻纤含量,用于判断工艺可行性与公差能力
  • 产线资源加载:从产线资源库读取注塑机参数、机械手型号、吸盘规格、传送带、包装方式

第 2 步 · DFM 检查(零件可制造性)

调用设计规范库、材料—工艺公差能力库、模具结构约束库。

检查项推理逻辑
壁厚分析计算壁厚云图,与材料允许的最小 / 最大壁厚比对,标记过薄(充填困难)与过厚(缩痕)区域;检查壁厚突变比
拔模角验证沿脱模方向计算各面角度,与规范库中该材料 / 纹理要求的拔模角比对(如 PPA 需 ≥0.5°)
倒扣识别基于几何拓扑识别需要侧抽芯 / 强制脱模的特征,评估模具复杂度,提示分型面或滑块方向
筋条 / 螺丝柱验证筋条厚度 ≤ 主壁厚的 60%,螺丝柱外径 / 内径比,避免缩水
圆角检查查找尖角,建议最小 R 值(与材料韧性相关)
公差合理性将图纸标注公差与材料—工艺公差能力表(如注塑 PPA 经济公差 MT5、精密 MT3)比对:过严标记红色并建议放宽;过松提示可优化

输出:DFM 问题清单,每项含问题描述、位置(3D 截图)、违反的规范条款、修改建议、严重度等级。

第 3 步 · DFP 检查(产线量产可行性)

调用产线资源库、生产规则库、历史 DFP 问题库。

检查项推理逻辑
可抓取性分析根据零件几何与机械手末端执行器规格(吸盘直径 / 夹爪)搜索可抓取面 / 边,判断是否干涉;无可抓取点时建议增加吸附凸台 / 工艺孔
出料与姿态基于零件重心与投影模拟顶出后的自然姿态,判断是否适合直接夹取,或需要翻转 / 导向
防刮擦与包装分析外观面在周转箱 / 托盘中的支撑点,检查尖锐边接触,建议加保护筋或改变支撑;评估堆叠稳定性
节拍与产能由零件壁厚、材料、模具类型估算成型周期,结合目标年产能与机台数量计算是否达标;不达标则建议多腔、优化冷却、换大机台
换型与线平衡产线多品种时,分析模具更换、料筒清洗时间,评估是否超出换型窗口,建议快换模架等

输出:DFP 问题清单,每项含问题描述、产线约束依据、建议修改方案(附修改示意)、风险等级。

第 4 步 · 综合报告与联动

  • 将 DFM 与 DFP 问题清单合并,按风险等级排序,生成图文并茂的综合评审报告
  • 与选材 / 改性模块联动:若问题根源在于材料特性(流动性差导致充填不足、表面能低导致抓取失败),自动触发改性方向推荐或替代材料搜索——如「当前 PPA + 20% GF 流动不足,建议更换高流动 PPA 牌号或降低玻纤含量至 15%」
  • 与风险预判模块联动:DFM/DFP 检查结果作为风险预判的输入之一(设计阶段风险、量产阶段风险),一起纳入整体风险评分

技术链路

  1. a
    模型解析引擎
    几何特征提取、公差 OCR、PMI 读取
  2. b
    知识库加载
    设计规范、公差能力、产线资源、历史案例
  3. c
    规则引擎并行执行
    DFM 检查模块(壁厚、拔模、倒扣、筋条、公差)· DFP 检查模块(抓取、出料、节拍、包装、换型)
  4. d
    问题生成与分级
    每条问题:位置、依据、建议、等级
  5. e
    联动引擎
    触发材料调整 / 改性建议 / 风险预判
  6. f
    综合报告输出
    图文报告,支持批注、版本对比

关键技术组件

  • 几何分析引擎:基于开源内核(如 OpenCASCADE)或商用 SDK,计算壁厚、拔模角等
  • OCR 与 PMI 解析:工程图公差提取,或直接解析 STEP AP242 PMI
  • 规则引擎:Drools 或自研,将设计规范与产线规则表达为条件—动作
  • 简化仿真:出料姿态模拟(刚体动力学)、节拍估算(经验公式)
  • 知识图谱:存储材料—工艺—产线—案例的关系,辅助推理

示例 · CCS 支架

输入:CCS 支架 3D 模型(壁厚 0.5~1.2mm)、PPA + 20% GF 材料、L2 产线(吸盘 ⌀20mm)、年需求 5 万件。

DFM 检查输出

壁厚 0.5mm 处充填不足风险(PPA + GF 流动性差)
拔模角 0.3° 不足,建议 ≥0.5°
公差 ±0.05 过严(PPA 经济公差 ±0.1)

DFP 检查输出

最大平面仅 10mm,吸盘无法吸附,建议增加 ⌀25mm 凸台
单腔节拍 28s,年产能 4 万不达标,建议双腔模具
合格出料姿态稳定,可直接夹取
联动
DFM 发现充填困难 → 系统自动建议更换高流动 PPA 或降低玻纤含量;DFP 发现节拍不足 → 建议双腔模具并更新模具设计。